数字图像处理：图像恢复任务

图像恢复是数字图像处理领域的一个重要任务，其目标是从受损的或退化的图像中恢复出原始的清晰图像。在本文中，我们将介绍图像恢复的基本概念和常用方法，并提供相应的源代码示例。

1. 图像退化模型
   在进行图像恢复之前，我们需要了解图像的退化模型。图像退化是指图像在获取、传输或存储过程中所引入的失真。常见的图像退化模型包括模糊和噪声。

模糊是由于光学系统的限制或运动模糊等原因导致图像失去清晰度和细节。噪声是由于图像采集设备的感知能力限制或传输过程中的干扰等引入的随机扰动。

2. 图像恢复方法
   图像恢复的方法可以分为基于模型的方法和基于学习的方法。下面将介绍其中的两种典型方法：逆滤波和基于深度学习的图像恢复。

2.1 逆滤波
逆滤波是一种经典的基于模型的图像恢复方法，它假设了图像的退化过程是一个线性模糊系统。逆滤波的基本思想是将退化模型的逆应用于受损图像，以尽可能地恢复原始图像。

下面是一个使用逆滤波方法进行图像恢复的示例代码：

import numpy as np
import cv2

def inverse_filtering(degraded_image, kernel)